文档反馈

问题文档片段

问题文档片段包含公式时，显示为空格。

提交类型

issue

有点复杂...

找人问问吧。

PR

小问题，全程线上修改...

一键搞定！

请选择提交类型

问题类型

规范和低错类

- 规范和低错类：

- 错别字或拼写错误，标点符号使用错误、公式错误或显示异常。

- 链接错误、空单元格、格式错误。

- 英文中包含中文字符。

- 界面和描述不一致，但不影响操作。

- 表述不通顺，但不影响理解。

- 版本号不匹配：如软件包名称、界面版本号。

易用性

- 易用性：

- 关键步骤错误或缺失，无法指导用户完成任务。

- 缺少主要功能描述、关键词解释、必要前提条件、注意事项等。

- 描述内容存在歧义指代不明、上下文矛盾。

- 逻辑不清晰，该分类、分项、分步骤的没有给出。

正确性

- 正确性：

- 技术原理、功能、支持平台、参数类型、异常报错等描述和软件实现不一致。

- 原理图、架构图等存在错误。

- 命令、命令参数等错误。

- 代码片段错误。

- 命令无法完成对应功能。

- 界面错误，无法指导操作。

- 代码样例运行报错、运行结果不符。

风险提示

- 风险提示：

- 对重要数据或系统存在风险的操作，缺少安全提示。

内容合规

- 内容合规：

- 违反法律法规，涉及政治、领土主权等敏感词。

- 内容侵权。

请选择问题类型

问题描述

点击输入详细问题描述，以帮助我们快速定位问题。

提交

文档反馈

mindspore.ops.Dropout

class mindspore.ops.Dropout(keep_prob=0.5, Seed0=0, Seed1=0)

Dropout是一种正则化手段，通过在训练中以 $1-keep\mathrm{\_}prob$ 的概率随机将神经元输出设置为0，起到减少神经元相关性的作用，避免过拟合。

更多细节请参考 mindspore.ops.dropout() 。

参数：

• keep_prob (float，可选) - 输入神经元保留概率，数值范围在0到1之间。例如，keep_prob=0.9，删除10%的神经元。默认值： 0.5 。

• Seed0 (int，可选) - 算子层的随机种子，用于生成随机数。默认值： 0 。

• Seed1 (int，可选) - 全局的随机种子，和算子层的随机种子共同决定最终生成的随机数。默认值： 0 。

输入：

• x (Tensor) - 输入Tensor，shape为 $(\ast ,N)$，数据类型为float16、float32或float64。

输出：

• output (Tensor) - shape和数据类型与 x 相同。

• mask (Tensor) - 应用于 x 的掩码。

  • 在GPU和CPU上， mask 具有与 x 相同的shape和数据类型。

  • 在Ascend上，为了获得更好的性能，它被表示为一个具有Uint8数据类型的一维Tensor。其shape为 $(byte\mathrm{\_}counts,)$ ， 其中 $byte\mathrm{\_}counts$ 为覆盖 x 的shape所需的字节数。通过下面的公式计算 $byte\mathrm{\_}counts$ 大小：

    $$byte\mathrm{\_}counts=\text{ceil}(\text{cumprod}(x.shape)/128)\ast 16$$

    若 x 的shape为 $(2,3,4,5,6)$ ，则 mask 的shape为 $(96,)$ 。

支持平台：

Ascend GPU CPU

样例：

>>> import mindspore
>>> import numpy as np
>>> from mindspore import Tensor, ops
>>> dropout = ops.Dropout(keep_prob=0.5)
>>> x = Tensor(np.ones([1, 2, 3, 4, 5]), mindspore.float32)
>>> output, mask = dropout(x)
>>> print(output.shape, mask.shape, mask.dtype)
(1, 2, 3, 4, 5) (16,) UInt8